受験生分布 磯子&金沢

load("data/RData/all.RData")
load("data/RData/hama.RData")
library(tidyverse)
library(summarytools)
library(mapview)

ホットスポット

上位25%以上の密集地帯・ホットスポットです。

黄色の点：押すと点を中心とした250m半径の円の中に高校生の数が分かる

赤い区画：高校生が多くいると思われる基本単位区画

map6<-map5 %>% 
  mutate(hotspot=if_else(exp2>=5.8,1,0)) %>% 
  filter(hotspot==1) %>% 
  mutate(exp1=round(exp1,digits = 1),
         exp2=round(exp2,digits = 1)) %>% 
  select(geometry,exp1,exp2,S_NAME,JINKO,SETAI,hotspot) %>% 
  rename(中学生推定人数=exp1,
         高校生_浪人推定人数=exp2,
         町名=S_NAME,
         単位区人口=JINKO,
         世帯数=SETAI) %>% 
  filter(!町名=="長浜")
sfa<-intersec %>% 
  select(geometry,total) %>% 
  mutate(hot=if_else(total>=27,1,0)) %>% 
  filter(hot==1) %>% 
  rename(合計人数=total)

mp<-mapview::mapview(sfa,
                     zcol="hot",
                     col.regions = c("orange"),
                     map.types =c("Esri.WorldImagery","OpenStreetMap"))

mapview::mapview(x=map6,
                 zcol="hotspot",
                 col.regions = "red",
                 color="transparent",
                 map.types =c("OpenStreetMap","Esri.WorldImagery"))+
  (mp)

黄色の点と赤い区画が重なっているようなエリアは特に確実性があります。

金沢文庫、八景は特定の集合住宅に受験生が集中しており、杉田以北では住宅街にも万遍なく受験生が点在しています。

現17-20歳の分布

mapview::mapview(x=map5,
                 zcol="exp2",
                 color="transparent",
                col.regions=rev(RColorBrewer::brewer.pal(n=20,name="Spectral")))

現12-16歳の分布(小地域)

mapview::mapview(x=map5,
                 zcol="exp1",
                 color="transparent",
                col.regions=rev(RColorBrewer::brewer.pal(n=20,name="Spectral")))

現高校生の分布（メッシュ）

mapview::mapview(x=hamamesh3,
                   zcol="total",
                   color="transparent",
                 col.regions=rev(RColorBrewer::brewer.pal(n=8,name="Spectral")))

モチベーション

• 今月初めに総務省統計局から基礎地区データの開示

• >>基本単位区データは、国勢調査結果の集計上の最小地域単位で、街区もしくは街区に準じた小地域からなるデータです。小地域ごとに、人口総数、男女別世帯数、世帯総数が収録されています。（総務省）

• また、一つ大きいレイヤーのデータの小地域単位データ（〇〇区XX町△△丁目までのデータ）で層別の人口が分かる

• やりたいこと:小地域単位データの15-19歳人口数を基本単位区の人口に勾配し、地域の潜在的な受験生人数を把握する

• 基本単位区データは老人ホームや療養所？等も人口として捉えてしまう

• そこで、世帯数と人口と面積の関係で異常な値を除外した

発展　

• 中区や港南区にも適応、巡回セールスマン問題によって実際のポスティング最適化

コード

isogo<-sf::read_sf(dsn="data/hama/r2kb14107.shp")
kanazawa<-sf::read_sf(dsn="data/hama/r2kb14108.shp")
mesh1<-sf::read_sf(dsn="data/hamamesh/MESH05238.shp")
mesh2<- sf::read_sf(dsn="data/hamamesh/MESH05239.shp")
mesh3<-sf::read_sf(dsn="data/hamamesh/MESH05338.shp")
mesh4<-sf::read_sf(dsn="data/hamamesh/MESH05339.shp")

layer <- read_csv("data/hama/layer.csv", 
                  locale = locale(encoding = "SHIFT-JIS"))

layer2<-layer %>% 
  filter(CITYNAME == "横浜市磯子区"|CITYNAME=="横浜市金沢区") %>% 
  mutate(jinko=as.numeric(T001082001),
         juku1=as.numeric(juku1),
         juku2=as.numeric(juku2),
         juku1m=as.numeric(juku1m),
         juku2m=as.numeric(juku2m),
         juku1w=as.numeric(juku1w),
         juku2w=as.numeric(juku2w)) %>% 
  select(KEY_CODE ,CITYNAME,NAME,jinko,juku1,juku2,juku1m,juku2m,juku1w,juku2w) %>%
  mutate(per1=juku1/jinko,
         per2=juku2/jinko)

area<-bind_rows(isogo,kanazawa)

area2<-area %>% 
  mutate(persetai=JINKO/SETAI) %>% 
  select(KEY_CODE,CITY_NAME,S_NAME,AREA,JINKO,SETAI,geometry,PERIMETER)

area3<-left_join(area2,layer2,by=c("S_NAME"="NAME"))

area4 <- area3 %>% 
  mutate(exp1=JINKO*per1,
         exp2=JINKO*per2) %>% 
  mutate(scale1=scale(exp1),
         kiken=JINKO/(SETAI+1),
         lnkiken=log(kiken+1))


m<-area4 %>% 
  filter(KEY_CODE.x==1410804964)


area5 <- area4 %>% 
  mutate(real=if_else(lnkiken>=2,0,as.numeric(JINKO)))


area5 <- area5 %>% 
  select(KEY_CODE.x,real,S_NAME) %>% 
  as.tibble()

area6<-area5 %>% 
  select(S_NAME,real) %>% 
  group_by(S_NAME) %>% 
  summarise(pop=sum(real,na.rm=T))

m<-left_join(area4,area6,by="S_NAME")

m<-m %>% 
  mutate(k=pop-jinko) %>% 
  mutate(p=if_else(lnkiken>=2,0,as.numeric(JINKO)),
         per1=if_else(k<=500 & k>=-500,juku1/pop,juku1/jinko),
         per2=if_else(k<=500 & k>=-500,juku2/pop,juku2/jinko),
         exp1=p*per1,
         exp2=p*per2)
m2<-m %>% 
  select(geometry,exp1,exp2,S_NAME,KEY_CODE.x,p,per1,per2,PERIMETER,AREA,JINKO,SETAI,pop,jinko,juku1,juku2,k,CITY_NAME) 

m3<-m2 %>% 
  mutate(scale1=scale(m2$exp1),
         scale2=scale(m2$exp2),
         dens1=exp1/AREA,
         dens2=exp2/AREA)

m4<-bind_cols(m3,scale(m2$exp2))

map4<-bind_cols(m4,scale(m4$dens2))

map5<-map4 %>% 
  mutate(meter=as.vector(scale(exp2/PERIMETER)))

isogomap<-map5 %>% 
  filter(CITY_NAME=="横浜市磯子区")

mapview::mapview(x=map5,
                 zcol="meter",
                 color="transparent")+
  mapview::mapview(x=map5,
                   zcol="exp2",
                   color="transparent")
  
#Mesh data

mesh<-bind_rows(mesh2,mesh4)
mesh<-mesh %>% 
  select(KEY_CODE,geometry) %>% 
  mutate(KEY_CODE=as.numeric(KEY_CODE))

uppercens <- read_csv("data/hamamesh/uppercens.csv", 
                      locale = locale(encoding = "SHIFT-JIS"), 
                      na = "NA")
lowercens <- read_csv("data/hamamesh/lowercens.csv", 
                      locale = locale(encoding = "SHIFT-JIS"), 
                      na = "NA")
uppercom <- read_csv("data/hamamesh/uppercom.csv", 
                      locale = locale(encoding = "SHIFT-JIS"), 
                      na = "NA")

lowercom <- read_csv("data/hamamesh/lowercom.csv", 
                      locale = locale(encoding = "SHIFT-JIS"), 
                      na = "NA")


uppercom<-uppercom[-1,]
lowercom<-lowercom[-1,]

commute<-bind_rows(uppercom,lowercom)

commute2<-commute %>% 
  select(KEY_CODE,T001109040,T001109041,T001109042) %>% 
  mutate(total=as.numeric(T001109040),
         male=as.numeric(T001109041),
         female=as.numeric(T001109042))

hamamesh<-left_join(mesh,commute2,by="KEY_CODE")

hamamesh2<-na.omit(hamamesh)

mapview::mapview(x=intersec,
                 zcol="total",
                 color="transparent")

hamacent<-sf::st_centroid(x=hamamesh2)

mesh_fukuoka_0500_cent <- sf::st_centroid(x=mesh_fukuoka_0500) 
  #重心と小地域ポリゴンの共通部分を取る

intersec<-sf::st_intersection(x=hamacent,y=areaz) #!!!!!!


  #小地域ポリゴンの属性がついた重心のみ残す
  
st_crs(hamacent)
  

areaz<-sf::st_transform(area,crs=sf::st_crs(32654))
hamacent<-sf::st_transform(hamacent,crs=sf::st_crs(32654))
hamamesh2<-sf::st_transform(hamamesh2,crs=sf::st_crs(32654))

hamamesh3<-hamamesh %>% 
  filter(KEY_CODE%in%intersec$KEY_CODE)

save.image(file="hama.RData")


rus<-sf::read_sf(dsn="data/RUS_adm/RUS_adm3.shp")
kuril<-rus %>% 
  filter(ID_1==60)

intersec$totalsc

intersec$totalsc<-as.vector(scale(intersec$total))

mapview::mapview(x=map5,
                 zcol="exp2",
                 color="transparent")+
  mapview::mapview(x=hamamesh3,
                 zcol="lntotal",
                 color="transparent")

hamamesh3$lntotal<-log(hamamesh3$total+1)

pie(c(2 %% 2, 6), col = c('red', 'yellow'), labels = NA)

elem<-sf::read_sf(dsn="data/school/小学校通学区域.shp")